{"id":4328,"date":"2021-10-28T07:47:35","date_gmt":"2021-10-28T05:47:35","guid":{"rendered":"https:\/\/applysia.de\/?p=4328"},"modified":"2025-08-11T13:47:23","modified_gmt":"2025-08-11T11:47:23","slug":"konsistente-bewertungen-vs-expertinnen-urteile","status":"publish","type":"post","link":"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/","title":{"rendered":"Konsistente Bewertungen vs. Expert*innen-Urteile &#8211; Wer schneidet bei der Bewertung von Kandidat*innen besser ab?"},"content":{"rendered":"<p textalign=\"left\" class=\"wp-block-applysia-section-subheading mb-12 text-lg md:text-xl text-coolGray-500 font-medium text-left\">Wichtige Entscheidungen erfordern eine gr\u00fcndliche \u00dcberlegung der Alternativen und deren Konsequenzen. Benjamin Franklin, Vater der \u201cMoralen Algebra\u201d, entschloss sich 1779 einem Freund bei der Entscheidung eines Jobwechsels und dem damit verbundenen Umzug zu helfen, indem er ihm beibrachte <strong>wie <\/strong>er entscheiden sollte, statt ihm zu sagen, <strong>was <\/strong>er entscheiden sollte. Franklin empfahl seinem Freund eine Liste mit allen Variablen zu erstellen und zu analysieren, welche Entscheidung durch welche Variable zustande k\u00e4me. Danach solle er die Variablen der Wichtigkeit nach gewichten und die gewichteten Variablen\u00a0summieren, um so seine Entscheidung treffen zu k\u00f6nnen (Graefe, 2015). <\/p>\n\n\n\n<p>Die Frage der korrekten Entscheidungsfindung besch\u00e4ftigt uns heutzutage noch &#8211; besonders h\u00e4ufig in der Personalauswahl. <em>Wie soll ich entscheiden, ob ein*e Kandidat*in geeignet ist? Wie erkenne ich, dass er*sie besser ist, als jemand anderes? Woher wei\u00df ich, wie ich die Informationen sinnvoll zusammenf\u00fchre und zu einem Ergebnis gelange? <\/em>Genau um diese Entscheidungsfindung anhand der Kombination von vorhandenen Informationen geht es im heutigen Paper \u201cPushing the Limits for Judgmental Consistency: Comparing Random Weighting Schemes with Expert Judgments\u201d von Yu und Kuncel (2020).&nbsp;<\/p>\n\n\n\n<p>Bei der Personalauswahl werden verschiedene Instrumente (z.B. Interview und Pers\u00f6nlichkeitsfragebogen) eingesetzt, um herauszufinden, ob ein*e bzw. welche*r Kandidat*in f\u00fcr die Stelle am besten geeignet ist. Dabei entstehen viele Daten, die dann im letzten Schritt zusammengef\u00fchrt und kombiniert werden m\u00fcssen, um zu einer Entscheidung zu gelangen. Also zum Beispiel der Eindruck aus dem Interview mit dem Ergebnis des Pers\u00f6nlichkeitsfragebogens.&nbsp;<\/p>\n\n\n\n<p>In der Literatur wird h\u00e4ufig von der \u00dcberlegenheit der <strong>mechanischen <\/strong>(d.h. Informationen anhand einer festgelegten Regel kombinieren) gegen\u00fcber der <strong>holistischen Datenkombination <\/strong>(d.h. Informationen basierend auf Intuition im Kopf zusammenf\u00fchren) in Entscheidungssituationen gesprochen. Erstere wird in der Praxis aufgrund <strong>mangelnder Akzeptanz <\/strong>der Beurteiler*innen und der Kandidat*innen nicht immer angewendet. Um jedoch die <strong>Vorhersagekraft<\/strong> (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von <strong>Datenkombination und -gewichtung<\/strong> die Vorhersagekraft am h\u00f6chsten ist.&nbsp;<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" style=\"font-style:italic;font-weight:600\">Was wurde untersucht?<\/h4>\n\n\n\n<p>F\u00fcr ihre Studie untersuchten Yu und Kuncel Daten von Personalassessments zweier internationaler Management Beratungsunternehmen. Dabei stand die differenzierte Anwendung von wahllosen <strong>konsistenten<\/strong> und wahllosen <strong>inkonsistenten<\/strong> Gewichten f\u00fcr die Personalauswahl im Vordergrund. Gewichte beschreiben hier die Wichtigkeit der Merkmalsauspr\u00e4gung f\u00fcr die Entscheidung. Psychologische Doktorand*innen, spezialisiert in Personalauswahl und Management ACs beobachteten Kandidat*innen f\u00fcr Managementpositionen. Dabei wurden sieben Dimensionen gemessen (Anpassung, Verwaltung, Kommunikation, Zwischenmenschliche Beziehungen, Urteilsverm\u00f6gen, F\u00fchrung und Motivation).&nbsp;<\/p>\n\n\n\n<p>Die Forscher stellten in diesem Kontext zwei Hypothesen auf: <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>zum einen gehen sie davon aus, dass das optimale Gewicht, d.h. wissenschaftlich fundierte vollst\u00e4ndig fehlerfreie Gewichtung eines Merkmals und die <strong>Einheitsgewichtung <\/strong>(= alle Merkmale werden gleicherma\u00dfen mit 1 gewertet) <strong>besser<\/strong> seien, als die wahllos gew\u00e4hlten inkonsistenten Gewichte der Merkmale. <\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Zum anderen behaupten sie, die <strong>konsistenten Gewichte<\/strong> seien der Expertenbeurteilungen <strong>\u00fcberlegen<\/strong>.&nbsp;<\/li>\n<\/ul>\n\n\n\n<p>In Anlehnung an Dawes (1979) w\u00e4hlten die Forscher f\u00fcr die \u00dcberpr\u00fcfung ihrer Hypothesen&nbsp;wahllos ausschlie\u00dflich sieben positive Gewichte zwischen 0 und 0,5 aus. Diese wurden dann f\u00fcr die sieben Beurteilungsdimensionen jedes*r Bewerber*in zu einer Gesamtbewertung kombiniert. Die Gesamtbewertungen wurden mit Beurteilungen von Vorgesetzten verglichen, um \u00dcbereinstimmungen oder Abweichungen zu ermitteln.&nbsp;&nbsp;<\/p>\n\n\n\n<p>Yu und Kuncel fanden 3 gro\u00dfe Learnings:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Bild-Konsistenz.png\" alt=\"\" class=\"wp-image-4329\" width=\"842\" height=\"324\" srcset=\"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Bild-Konsistenz.png 567w, https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Bild-Konsistenz-300x115.png 300w\" sizes=\"auto, (max-width: 842px) 100vw, 842px\" \/><figcaption class=\"wp-element-caption\">Abbildung 1: 3 Learning aus der Studie von Yu und Kuncel (2020) <\/figcaption><\/figure>\n\n\n\n<p>Yu und Kuncel fanden heraus, dass <strong>Expert*innen-Beurteilungen <\/strong>in den meisten F\u00e4llen<strong> besser waren, <\/strong>als eine wahllose<strong> inkonsistente Gewichtung<\/strong>. Eine wahllos gew\u00e4hlte aber <strong>konsistente Gewichtung <\/strong>von Pr\u00e4diktoren fiel in den meisten F\u00e4llen jedoch <strong>besser aus, als die Beurteilung der Expert*innen<\/strong>. Expert*innen schneiden in der Beurteilung der Bewerber*innen schlechter ab, als die reine mechanische Datenkombination. Dies ist besonders interessant, da Expert*innen Zugang zu allerhand Informationen haben, die nicht von einem Algorithmus erfasst werden k\u00f6nnen. Das k\u00f6nnen beispielsweise Lebensl\u00e4ufe, Reaktionen oder Verhaltensweisen sowie Job-Erfahrungen sein. Unternehmens\u00fcbergreifend waren die inkonsistenten sowie konsistenten Gewichte nie den optimalen Gewichten \u00fcberlegen.&nbsp;<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" style=\"font-style:italic;font-weight:600\">Was bedeutet das f\u00fcr die Praxis?<\/h4>\n\n\n\n<p>Basierend auf ihren Ergebnissen empfehlen die Forscher, die <strong>holistische Datenkombination<\/strong>, wenn m\u00f6glich, durch die <strong>Einheitsgewichtung <\/strong>\u201cabzul\u00f6sen\u201d, wenn die optimalen Gewichte nicht bekannt sind. Bei der mechanischen Datenkombination besteht jedoch das Problem der mangelnden Akzeptanz der AC Teilnehmer*innen. Daher schlagen die Forscher eine <strong>Mischung der mechanischen und holistischen Datenkombination<\/strong> f\u00fcr die Praxis vor. Beispielsweise k\u00f6nnten die Expert*innen die <strong>Gewichte selbst aussuchen <\/strong>und in einen <strong>Algorithmus <\/strong>eingeben, der die mechanische Kombination vornimmt. \u00c4hnlich k\u00f6nnte ein Algorithmus den Expert*innen helfen, die Beurteilungen <strong>einzusehen und ggf. nachzupr\u00fcfen<\/strong>. Desweiteren k\u00f6nnte die mechanische Kombination f\u00fcr die <strong>Vorauswahl von Kandidat*innen<\/strong> eingesetzt werden und Expert*innen k\u00f6nnten nach dem holistischen Prinzip die besten Bewerber*innen ausw\u00e4hlen. Die Forscher empfehlen auch <strong>mehrere Expert*innen f\u00fcr die Beurteilung der Kandidat*innen <\/strong>einzusetzen. Dabei m\u00fcssen die <strong>Mittelwerte der Urteile <\/strong>zusammengef\u00fchrt werden, um der Unreliabilit\u00e4t der gew\u00e4hlten Gewichte entgegenzuwirken.&nbsp;<\/p>\n\n\n\n<p>Aus dem Artikel von Yu und Kuncel geht hervor, dass die <strong>Konsistenz in der Gewichtung<\/strong> der Pr\u00e4diktoren durchaus eine wichtige Einflussgr\u00f6\u00dfe in der korrekten Beurteilung birgt. Sie fanden heraus, dass eine konsistente und wahllos gew\u00e4hlte Gewichtung zu einer besseren Einsch\u00e4tzung der Kandidat*innen f\u00fchrt. Eine Expert*innen-Beurteilung von geschultem Personal f\u00e4llt im Vergleich schlechter aus. Die Kombination aus mechanischen und holistischen Daten erscheint am effektivsten. Eine rein mechanische Kombination erscheint heutzutage dem Menschen noch <strong>zu \u201cunmenschlich\u201d<\/strong>. Auf diese Weise wird die pr\u00e4diktive Validit\u00e4t maximiert, ohne auf die menschliche Beurteilung in der Personalauswahl zu verzichten.\u00a0<\/p>\n\n\n\n<p>Mit Applysia kannst Du Expert*innen-Beurteilungen konsistent \u00fcber den gesamten Auswahlprozess gewichten. So gestaltest Du Deine Personalauswahl valide, effizient und einheitlich nach DIN 33430 &#8211; und das ohne gro\u00dfen Aufwand. Mehr Informationen \u00fcber Applysia erf\u00e4hrst Du <a href=\"https:\/\/applysia.de\/en\/\">hier<\/a>.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" style=\"font-style:italic;font-weight:600\">Literaturverzeichnis<\/h4>\n\n\n\n<p>Yu, M. C., &amp; Kuncel, N. R. (2020). Pushing the limits for judgmental consistency: Comparing random weighting schemes with expert judgments. Personnel Assessment and Decisions, 6(2), 2. https:\/\/doi.org\/10.25035\/pad.2020.02.002&nbsp;<\/p>\n\n\n\n<p>Graefe, A. (2015). Improving forecasts using equally weighted predictors. <em>Journal of Business Research<\/em>, <em>68<\/em>(8), 1792\u20131799. https:\/\/doi.org\/10.1016\/j.jbusres.2015.03.038<\/p>","protected":false},"excerpt":{"rendered":"<p>Die Frage der korrekten Entscheidungsfindung besch\u00e4ftigt uns heutzutage noch &#8211; besonders h\u00e4ufig in der Personalauswahl. Wie soll ich entscheiden, ob ein*e Kandidat*in geeignet ist? Wie erkenne ich, dass er*sie besser [&hellip;]<\/p>\n","protected":false},"author":10,"featured_media":4330,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[29],"tags":[],"class_list":["post-4328","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-wissenschaft-in-60-sek"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Konsistente Bewertungen vs. Expert*innen-Urteile - Applysia<\/title>\n<meta name=\"description\" content=\"Um jedoch die Vorhersagekraft (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von Datenkombination und -gewichtung die Vorhersagekraft am h\u00f6chsten ist.\u00a0\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Konsistente Bewertungen vs. Expert*innen-Urteile - Applysia\" \/>\n<meta property=\"og:description\" content=\"Um jedoch die Vorhersagekraft (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von Datenkombination und -gewichtung die Vorhersagekraft am h\u00f6chsten ist.\u00a0\" \/>\n<meta property=\"og:url\" content=\"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/\" \/>\n<meta property=\"og:site_name\" content=\"Applysia\" \/>\n<meta property=\"article:published_time\" content=\"2021-10-28T05:47:35+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-08-11T11:47:23+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Isabell Holtkamp\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@applysia\" \/>\n<meta name=\"twitter:site\" content=\"@applysia\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Isabell Holtkamp\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutes\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Konsistente Bewertungen vs. Expert*innen-Urteile - Applysia","description":"Um jedoch die Vorhersagekraft (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von Datenkombination und -gewichtung die Vorhersagekraft am h\u00f6chsten ist.\u00a0","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/","og_locale":"en_US","og_type":"article","og_title":"Konsistente Bewertungen vs. Expert*innen-Urteile - Applysia","og_description":"Um jedoch die Vorhersagekraft (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von Datenkombination und -gewichtung die Vorhersagekraft am h\u00f6chsten ist.\u00a0","og_url":"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/","og_site_name":"Applysia","article_published_time":"2021-10-28T05:47:35+00:00","article_modified_time":"2025-08-11T11:47:23+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png","type":"image\/png"}],"author":"Isabell Holtkamp","twitter_card":"summary_large_image","twitter_creator":"@applysia","twitter_site":"@applysia","twitter_misc":{"Written by":"Isabell Holtkamp","Est. reading time":"5 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#article","isPartOf":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/"},"author":{"name":"Isabell Holtkamp","@id":"https:\/\/applysia.de\/#\/schema\/person\/d8e963da0adb44fe14049d23a9acc23c"},"headline":"Konsistente Bewertungen vs. Expert*innen-Urteile &#8211; Wer schneidet bei der Bewertung von Kandidat*innen besser ab?","datePublished":"2021-10-28T05:47:35+00:00","dateModified":"2025-08-11T11:47:23+00:00","mainEntityOfPage":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/"},"wordCount":1032,"publisher":{"@id":"https:\/\/applysia.de\/#organization"},"image":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#primaryimage"},"thumbnailUrl":"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png","articleSection":["Wissenschaft in 60 Sekunden"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/","url":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/","name":"Konsistente Bewertungen vs. Expert*innen-Urteile - Applysia","isPartOf":{"@id":"https:\/\/applysia.de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#primaryimage"},"image":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#primaryimage"},"thumbnailUrl":"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png","datePublished":"2021-10-28T05:47:35+00:00","dateModified":"2025-08-11T11:47:23+00:00","description":"Um jedoch die Vorhersagekraft (die sogenannte pr\u00e4diktive Validit\u00e4t) zu maximieren, w\u00e4re es hilfreich zu wissen, wie Beurteilungen zustande kommen und bei welcher Art von Datenkombination und -gewichtung die Vorhersagekraft am h\u00f6chsten ist.\u00a0","breadcrumb":{"@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#primaryimage","url":"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png","contentUrl":"https:\/\/applysia.de\/wp-content\/uploads\/2021\/10\/Titelfolie_Konsistenz.pptx.png","width":1920,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/applysia.de\/wissenschaft-in-60-sek\/konsistente-bewertungen-vs-expertinnen-urteile\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/applysia.de\/"},{"@type":"ListItem","position":2,"name":"Wissenschaft in 60 Sekunden","item":"https:\/\/applysia.de\/category\/wissenschaft-in-60-sek\/"},{"@type":"ListItem","position":3,"name":"Konsistente Bewertungen vs. Expert*innen-Urteile &#8211; Wer schneidet bei der Bewertung von Kandidat*innen besser ab?"}]},{"@type":"WebSite","@id":"https:\/\/applysia.de\/#website","url":"https:\/\/applysia.de\/","name":"Applysia","description":"Rethink Assessment - Assessment Neu Denken","publisher":{"@id":"https:\/\/applysia.de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/applysia.de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/applysia.de\/#organization","name":"Applysia","url":"https:\/\/applysia.de\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/applysia.de\/#\/schema\/logo\/image\/","url":"https:\/\/applysia.de\/wp-content\/uploads\/2020\/06\/Logo_2020.png","contentUrl":"https:\/\/applysia.de\/wp-content\/uploads\/2020\/06\/Logo_2020.png","width":1831,"height":379,"caption":"Applysia"},"image":{"@id":"https:\/\/applysia.de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/applysia","https:\/\/www.linkedin.com\/company\/applysia"]},{"@type":"Person","@id":"https:\/\/applysia.de\/#\/schema\/person\/d8e963da0adb44fe14049d23a9acc23c","name":"Isabell Holtkamp"}]}},"_links":{"self":[{"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/posts\/4328","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/comments?post=4328"}],"version-history":[{"count":5,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/posts\/4328\/revisions"}],"predecessor-version":[{"id":12987,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/posts\/4328\/revisions\/12987"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/media\/4330"}],"wp:attachment":[{"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/media?parent=4328"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/categories?post=4328"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/applysia.de\/en\/wp-json\/wp\/v2\/tags?post=4328"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}